如何使用numpy将float数组转换为含原值和索引的元组数组

1. 「值+原索引」结构的内置生成方法 #

你需要的等价元组数组的结构可以直接通过np.column_stack实现，完全不需要手写for循环，示例代码如下：

import numpy as np
# 示例float数组
float_arr = np.array([2.1, 0.8, 5.4, 3.7, 1.2, 4.9])
# 生成第一列为原数值、第二列为对应原索引的二维数组，等价你要的元组数组效果
val_index_arr = np.column_stack((float_arr, np.arange(float_arr.size)))

生成后你也可以按自己原来的思路对第一列排序再取索引，不过有更高效的方案可以跳过这一步。

2. 更优的最小N值索引获取方案 #

不需要手动做值和索引的绑定、再全量排序，numpy有原生方法可以直接得到结果，根据场景可以选两种实现：

• 场景1：数组规模小（长度<1e4），优先选简洁方案
  直接用全排序方法np.argsort取前N位即可，代码如下：

  N = 3 # 要获取的最小元素数量
  min_n_index = np.argsort(float_arr)[:N]
  

  得到的索引是严格按照对应值从小到大排序的。
• 场景2：数组规模大（长度>1e5），优先选高性能方案
  用np.argpartition做部分排序，时间复杂度为O(n)，远低于全排序的O(nlogn)，适合N远小于数组长度的场景：

  # 得到最小N个值的索引，这N个索引内部暂时不保证按值排序
  min_n_index_part = np.argpartition(float_arr, N)[:N]
  # 如果需要这N个索引按对应值升序排列，再加一步小范围排序即可
  min_n_index_sorted = min_n_index_part[np.argsort(float_arr[min_n_index_part])]
  

内容的提问来源于stack exchange，提问作者David Thielen